양자 컴퓨터 양자 기계학습을 활용한 추론

부분 정보를 기반으로 한 양자 추론은 정확하고 유연하며 효과적인 양자 기계 지능(quantum machine intelligence)을 보여준다.

영국의 양자 컴퓨팅 소프트웨어 및 알고리즘을 개발 스타트업 캠브릿지 퀀텀 컴퓨팅(Cambridge Quantum Computing, CQC) 과학자들은 양자 컴퓨터가 매우 일반적인 확률론적 추론 모델에서 숨겨진 정보를 추론하는 방법을 학습할 수 있음을 입증했다. 이러한 방법은 복잡한 시스템에서 추론하고 불확실성을 정량화하는 것이 중요한 광범위한 응용 분야를 개선 할 수 있다. 의료 진단, 주요 작업 기계의 결함 감지 또는 투자 관리를 위한 재무 예측이 있다.

출판전 논문 사이트 아르시브(arXiv)에 게시된 논문에서 CQC 연구원은 양자 컴퓨터가 실제 시나리오에서 일반적이고 인간이 종종 직관적 방식으로 처리할 수 있는 불확실성을 처리하는 방법을 배울 수 있음을 확인했다. 연구팀은 마르셀로 베네데티(Dr. Marcello Benedetti)와 공동 저자 Brian Coyle, Dr. Michael Lubasch 및 Dr. Matthias Rosenkranz가 이끌었다. 이들은 마티아 피오렌티니(Mattia Fiorentini) 박사가 이끄는 CQC의 양자 기계학습(Quantum Machine Learning) 부서의 일원이다.

이 백서는 시뮬레이터와 IBM Q 양자 컴퓨터에 대한 세 가지 원리 증명을 구현해 다음에 대한 양자 지원 추론을 보여준다. 베이지안 네트워크(Bayesian networks)의 무작위 인스턴스에 대한 추론, 시뮬레이션 된 재무 시계열의 은닉 마르코프 모델에서 시장 체제 전환을 추론, 의학적 진단 작업 등이다.

원리 증명(proofs of principle)은 표현력이 높은 추론 모델을 사용하는 양자 기계가 다양한 분야에서 새로운 응용을 가능하게 할 수 있음을 시사한다. 이 논문은 복잡한 분포에서 샘플링하는 것이 오늘날 잡음이 많은 양자 장치를 사용하는 기계 학습에서 양자 이점을 향한 가장 유망한 방법 중 하나로 간주된다는 사실을 바탕으로 한다. 이 선구적인 작업은 양자 컴퓨팅이 현재 초기 단계에서도 인간 추론의 에뮬레이션과 같은 도적적인 과학 연구를 하는 데 효과적인 도구임을 보여준다.

산업 전반의 기계 학습 분야와 양자 소프트웨어 및 하드웨어 개발은 단기적으로 이러한 성과를 통해 가장 많은 혜택을 얻을 수 있다.

연구팀은 향후 몇 년 동안 양자 장치 개선에서 양자 컴퓨팅을 확률 추론에 적용하고 엔지니어링 및 비즈니스 관련 문제에 직접 적용할 수 있는 토대를 마련했다고 평가했다.

관련 영상에서는 Quantum Machine Learning 부서관련 영상에서는 Quantum Machine Learning 부서 책임자 Mattia Fiorentini 박사가 프로젝트 결과와 그 의미에 대한 자세한 통찰력을 제공한다.